hacia la construcción de un perfil en 360 grados de los usuarios del @plan_ceibal
TRANSCRIPT
Not everything that counts can be counted, and not everything that can be counted counts Einstein
Hacia la construcción de un perfil en 360 ° de los usuarios del Plan Ceibal
Learning Analytics
@cristobalcobo � @CecilMarconi� � @fundacionceibal
Learning Analytics: contexto
New Media Consortium, & EDUCAUSE Learning Initiative. (2015). NMC Horizon Report: 2012 Higher Education Edition. Austin, TX: The New Media Consortium.
Existe un creciente interés por incorporar nuevas fuentes de datos para personalizar la experiencia de aprendizaje; así como por adoptar evaluaciones formativas para evaluar aprendizaje.
>> El interés por un "nuevo" campo de evaluación y aprendizaje.
: Construir experiencias pedagógicas más personalizadas; : Identificar poblaciones de estudiantes en riesgo; : Analizar factores que afectan completar exitosamente ciclo escolar
NUEVOS PERFILES PROFESIONALES >
‘Data Scientist’: modelos de análisis se basan en numerosas
suposiciones
< los algoritmos no son neutros>
“un enfoque dinámico, longitudinal, de evaluaciones formativas asistida por ordenador son el mejor predictor para detectar estudiantes de bajo rendimiento (datos básicos LMS no predijeron aprendizaje).
Tempelaar, D. T., Rienties, B., & Giesbers, B. (2015). In search for the most informative data for feedback generation: Learning Analytics in a data-rich context. Computers in Human Behavior, 47, 157-167.
“En LA la unidad más básica de aprendizaje es la interacción (no hay consenso si F2F o VLE es más eficaz).”
Agudo-Peregrina, Á. F., Iglesias-Pradas, S., Conde-González, M. Á., & Hernández-García, Á. (2014). Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning. Computers in Human Behavior, 31, 542-550.
“Tiempo de estudio y regularidad de uso de LMS, interacción con pares y n° de descargas: factores claves para el logro académico”.
Yu, T., & Jo, I. H. (2014, March). Educational technology approach toward learning analytics: Relationship between student online behavior and learning performance in higher education. In Proceedings of the Fourth International Conference on Learning Analytics and Knowledge (pp. 269-270). ACM.
“variables que predicen mejora en rendimiento: interacción social/pertenencia; contexto SE, expectativa de estudiantes”
Thammasiri, D., Delen, D., Meesad, P., & Kasap, N. (2014). A critical assessment of imbalanced class distribution problem: The case of predicting freshmen student attrition. Expert Systems with Applications, 41(2), 321-330.
;;
Analíticas de Aprendizaje: o Colección y análisis de los datos generados durante el
proceso de aprendizaje. o Comprender cómo se utiliza (patrones de uso).;
360°;Analíticas sólo centradas en resultados/logros, ignorando
los procesos de enseñanza no resulta suficiente
Gaševi�, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71.
By @cecilmarconi
Fase I Entrega de Equipos y
conectividad 2007-2015
Ciclo de Evolución del Plan Ceibal
Fase II Desarrollo de Platafo rmas
2012 - 2015
Fase III Tecnologías como
acelerador del aprendizaje 2014-2019
• 2016: • Proceso de madurez en el uso de las plataformas (adaptación y adopción). • Identificación de patrones de uso
o ¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
o ¿Existe correlación entre “patrones de uso de plataformas” y los aprendizaje (calificaciones)?
o ¿En qué medida es posible encontrar correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales?
hacia el perfil 360�
¿cuáles son las variables relevantes para elaborar un indicador de involucramiento?
¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
35%
65%
estudiantes en línea
• Trazabilidad de datos. • Grado de involucramiento de los estudiantes • Proxy de otras competencias (habilidades blandas)
¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
El docente como factor clave en el uso de plataformas: distribución de grupos según cobertura de acceso a la plataforma (CREA2)
¿Cuáles son los perfiles de “participación”? ¿Se identifican patrones?
¿Hay correlaciones entre el grado de “participación en línea” de los estudiantes y su participación (asistencia) en clases presenciales?
uruguayestudia.uy
Analíticas de aprendizaje: "tiene problemas para representar la naturaleza de las conexiones,
entre los conjuntos de datos y personas." Necesitamos interpretaciones humanas.
Hay un conflicto entre crear modelos que proporcionan resultados fiables y elaborar modelos transparentes para los usuarios. OU es responsable de explicar (aclarar) cómo los sujetos se ven afectados por las aplicaciones de analítica de aprendizaje. Datos sensibles: • origen racial o étnico • creencias • discapacidad y otros (salud) • vida sexual. El uso de datos estudiantiles para fines de investigación han de ser aprobados por Comité de Ética de Investigación Humana (HREC).
Criterios a considerar 1.0:
1. Comienza con escalas pequeñas 2. El potencial es evidente, también las
responsabilidades que implica 3. Incluir a los docentes en el diseño, análisis y
explotación 4. Gobierno: Adopta estructuras abiertas del
gobierno de learning analytics (conjuntos de datos, infraestructura técnica y intervenciones)
5. Conflictos: Minimizar posible conflictos (diferentes grupos de interés) sobre interpretación y uso de datos
Criterios a considerar 2.0:
6. Anonimización: Puede ser imposible eliminar toda posibilidad de identificar a una persona sin reglas sobre el uso de archivos anónimizados.
7. Reduccionismo: El análisis de grandes volúmenes de datos puede contener información imprecisa sobre los individuos (ej: modelos incorrectos o observación parcial).
8. Propiedad de la información: Aspectos éticos y legales en acceso y uso de LA (informar usuario)
Estamos en la infancia de Analíticas de Aprendizaje
fundacionceibal.edu.uy @fundacionceibal
1er Encuentro Internacional “Nuevas métricas y enfoques para la evaluación y la innovación en el aprendizaje”
15 de Abril de 2016 en la Sala de Actos del LATU